探索行为通过信息扩散塑造元群落生物多样性模式

《Ecology and Evolution》:How Prospecting for Informed Dispersal Shapes Biodiversity Patterns in a Metacommunity

【字体: 大 中 小 】 时间:2026年07月10日 来源:Ecology and Evolution 2.6

编辑推荐:

  对未来繁殖地点进行探索(prospecting)是做出信息扩散(informed dispersal)决策的关键方面。本研究旨在探讨探索行为在元群落(metacommunity)中调节物种共存或竞争排斥(competitive exclusion)的作用,从而

  
对未来繁殖地点进行探索(prospecting)是做出信息扩散(informed dispersal)决策的关键方面。本研究旨在探讨探索行为在元群落(metacommunity)中调节物种共存或竞争排斥(competitive exclusion)的作用,从而改变扩散-多样性关系。研究人员开发了一个基于个体的模型(individual-based model, IBM),模拟由10个理论物种组成的小型哺乳动物元群落,涵盖了局部资源竞争(local resource competition)和区域繁殖扩散(regional breeding dispersal)。模型包含了元群落中三种探索努力(prospecting effort,以探索的斑块数量衡量)情景:均匀探索努力、种间探索努力差异和种内探索努力差异。研究人员还测试了后一性状潜在遗传性的作用。研究进一步考虑了与探索和扩散相关的成本,包括探索过程中的死亡风险(mortality risk)和新斑块中的整合成本(integration cost)。信息性定居(informed settlement)显著影响了扩散率与元群落多样性之间的关系。低探索努力导致多样性随扩散率增加而稳步上升,而高探索努力则产生驼峰型(hump-shaped)关系。高探索努力导致高质量斑块被迅速殖民和定居,增加了竞争并降低了建立成功率(establishment success),尤其对资源需求高的物种影响更大。引入扩散成本(尤其是整合成本)降低了元群落多样性,但增加探索努力可部分缓解这种损失。与体重相关的物种特异性探索努力导致扩散率与多样性之间呈驼峰型关系,凸显了探索在竞争-拓殖权衡(competition-colonization trade-off)中的作用。相比之下,当探索行为的个体变异被视为可遗传性状时,在扩散率增加时观察到最高的物种多样性,且探索努力稳定在较低水平。研究表明,信息扩散(特别是探索努力)在个体基础的元群落模拟模型中,通过调节竞争性物种相互作用,在塑造元群落多样性方面发挥着关键作用。
**研究背景及问题**
在生态学中,扩散(dispersal)是个体获取空间信息、优化繁殖地选择的关键过程,直接影响种群持续性和群落多样性。然而,传统的扩散理论模型常将扩散决策简化为随机或“全知”(omniscient)两种极端模式,忽略了实际中个体通过探索(prospecting)逐步获取信息并据此做出“信息扩散”(informed dispersal)决策的复杂性。探索行为——即个体在定居前考察潜在斑块以评估栖息地质量的过程——在鸟类、哺乳动物、鱼类和无脊椎动物中广泛存在,但其如何影响更高组织层次(如元群落)的物种共存和多样性仍缺乏研究。特别是,探索努力(prospecting effort)的种间与种内差异,以及探索成本(如死亡风险、整合成本),可能通过调节竞争-拓殖权衡(competition-colonization trade-off)而改变扩散率与多样性之间的关系。基于此,研究人员利用个体基础模型(individual-based model, IBM)模拟了包含10个理论小型哺乳动物物种的竞争性元群落,旨在系统揭示不同探索策略(均匀、种间差异、种内差异)如何塑造元群落多样性模式。该研究成果发表在《Ecology and Evolution》。

**关键技术方法**
研究采用个体基础模型(IBM),模拟由25个相同生境斑块组成的元群落,每个斑块初始拥有10个理论物种(参考食草性小型哺乳动物生态学)。模型基于异速生长(allometric)方法设定物种生理和生活史参数,斑块资源每日更新,个体通过中央位置觅食(central-place foraging)进行抢位竞争(scramble competition)。扩散过程采用“最佳-n”(best-of-n)策略:扩散者随机探索n个斑块(不包括原斑块)后,确定性定居于其中质量最佳者。研究设置三种探索努力分布情景:A)所有个体均匀探索(n从1到24);B)种间差异:探索努力与物种平均体重正相关;C)种内差异:探索努力随机分配或作为可遗传性状(从母代继承并附带变异)。模型还纳入探索死亡风险(与探索斑块数线性相关)和整合成本(定居者必须在原位居民觅食后建立领域,体现资源竞争)。无真实样本队列,为理论模拟。

**研究结果**
**3.1 均匀探索努力(Uniform Prospecting Effort)**
在低扩散率(<0.3)下,任何信息性定居均优于随机定居,物种多样性(以有效物种数ENS衡量)随扩散率增加而上升;但高探索努力(n>5)导致多样性呈驼峰型(hump-shaped)关系,完全信息定居(n=24)反而成为最差策略。原因在于过多探索者同时集中至高质量斑块,加剧资源竞争,尤其抑制了大型物种(体重>40g)的建群成功;而最小物种(10g)在低探索努力下种群下降,在高探索与高扩散下逆转增长。此外,探索努力显著加速了灭绝斑块的再殖民与群落重建,但高扩散率下不同探索努力的差异消失。

**3.2 整合成本(Integration Costs)**
引入整合成本后,元群落多样性普遍降低且与扩散率呈驼峰型关系,随机定居(n=1)的多样性下降最显著,而高探索努力(n≥5)可部分缓解损失。扩散成功率(成功建群比例)在无成本时接近完美,加入成本后呈非单调变化:随扩散率增加先降后升,原因在于高扩散率下更多空领域可供利用。大型物种对整合成本更敏感,其扩散成功率和雌性终生繁殖成功率下降最明显,但高探索努力可略作补偿。

**3.3 探索努力的种间与种内差异及探索死亡风险(Inter- and Intraspecific Differences in Prospecting Effort and Prospecting Mortality)**
种间特异性探索(与体重正相关)导致扩散率与γ多样性呈驼峰型:低扩散率下小型优势竞争者主导;中间扩散率通过竞争-拓殖权衡促进共存;高扩散率下元群落均质化。探索死亡风险加剧了大型物种的劣势,显著降低多样性。随机种内变异(与物种无关)也呈现轻微驼峰型,但对死亡风险更具韧性(风险平均分布)。可遗传的种内探索努力在所有扩散率下均产生最高多样性,且对死亡风险不敏感——平均探索努力随扩散率增加而下降(稳定在2–7个斑块),体现了适应性进化。

**讨论与结论**
讨论指出,高探索努力导致高质量斑块迅速被占满,形成“生态陷阱”(ecological trap),加剧竞争并降低物种多样性,这与此前在集合种群(metapopulation)中的发现一致。种间差异通过竞争-拓殖权衡发挥作用,但探索成本(尤其是死亡风险)使大型物种脆弱性凸显,在人为干扰景观中可能更易受影响。可遗传的种内变异使平均探索努力自发调节至低水平(2–7个斑块),与野外鸟类和生态进化模型预测吻合,并赋予元群落更高的多样性与恢复力。结论部分翻译如下:
“我们的个体基础元群落研究强调了探索(prospecting)通过调节竞争性物种相互作用、共存、再殖民速率及对环境变化的恢复力,从而影响多样性-扩散关系。研究表明,无论是随机定居还是完全信息定居均不利于生物多样性;相反,低探索努力维持了最多样的群落,平衡了高质量斑块的激烈竞争与次优栖息地选择的负面后果。”
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号